Soham Mazumdar, Co-Fondateur & PDG de WisdomAI – Série d’entretiens

Soham Mazumdar est le co-fondateur et PDG de WisdomAI, une entreprise à la pointe des solutions axées sur l’IA. Avant de fonder WisdomAI en 2023, il était co-fondateur et architecte en chef chez Rubrik, où il a joué un rôle clé dans la mise à l’échelle de l’entreprise sur une période de 9 ans. Soham occupait précédemment des postes de direction en ingénierie chez Facebook et Google, où il a contribué à l’infrastructure de recherche de base et a reçu le prix des fondateurs de Google. Il a également co-fondé Tagtile, une plate-forme de fidélité mobile acquise par Facebook. Avec deux décennies d’expérience dans l’architecture logicielle et l’innovation dans l’IA, Soham est un entrepreneur et technologue chevronné basé dans la région de la baie de San Francisco.

WisdomAI est une plate-forme d’intelligence d’affaires native IA qui aide les entreprises à accéder à des informations précises en temps réel en intégrant des données structurées et non structurées grâce à son « Knowledge Fabric » propriétaire. La plate-forme alimente des agents IA spécialisés qui mettent en contexte les données, répondent à des questions commerciales en langage naturel et détectent proactivement les tendances ou les risques sans générer de contenu halluciné. Contrairement aux outils BI traditionnels, WisdomAI utilise l’IA générative uniquement pour la génération de requêtes, garantissant ainsi une grande précision et fiabilité. Elle s’intègre aux écosystèmes de données existants et prend en charge la sécurité de niveau entreprise, avec une adoption précoce par des entreprises majeures comme Cisco et ConocoPhillips.

Vous avez co-fondé Rubrik et aidé à le développer en un succès d’entreprise majeur. Qu’est-ce qui vous a inspiré à quitter en 2023 et à construire WisdomAI – et y a-t-il eu un moment particulier qui a clarifié cette nouvelle direction ?

Le problème d’inefficacité des données d’entreprise me sautait aux yeux. Pendant mon séjour chez Rubrik, j’ai été témoin de première main de la manière dont les entreprises du Fortune 500 se noyaient dans les données mais mouraient de faim d’informations. Même avec toutes les infrastructures que nous avons construites, moins de 20 % des utilisateurs d’entreprise avaient réellement accès et les compétences nécessaires pour utiliser efficacement les données dans leur travail quotidien. C’était un problème massif et systémique que personne ne résolvait vraiment.

Je suis également un bâtisseur par nature – vous pouvez le voir dans mon parcours de Google à Tagtile en passant par Rubrik et maintenant WisdomAI. Je me sens énergisé en prenant des défis fondamentaux et en construisant des solutions à partir de zéro. Après avoir aidé à développer Rubrik en un succès d’entreprise, j’ai ressenti à nouveau cette poussée entrepreneuriale pour relever un défi tout aussi ambitieux.

Enfin, l’opportunité offerte par l’IA était impossible à ignorer. D’ici 2023, il est devenu clair que l’IA pourrait enfin combler le fossé entre la disponibilité des données et leur utilisation. Le moment semblait parfait pour construire quelque chose qui pourrait démocratiser les informations de données pour chaque utilisateur d’entreprise, et non seulement pour les quelques techniciens.

Le moment de clarté est venu lorsque j’ai réalisé que nous pouvions combiner tout ce que j’avais appris sur l’infrastructure de données d’entreprise chez Rubrik avec le potentiel de transformation de l’IA pour résoudre ce problème d’inefficacité fondamental.

WisdomAI introduit un « Knowledge Fabric » et une gamme d’agents IA. Pouvez-vous expliquer comment ce système fonctionne ensemble pour aller au-delà des tableaux de bord BI traditionnels ?

Nous avons construit une plate-forme d’informations de données agente qui fonctionne avec les données là où elles se trouvent – structurées, non structurées et même « sales » données. Plutôt que de demander aux équipes d’analyse de générer des rapports, les responsables commerciaux peuvent poser directement des questions et creuser dans les détails. Notre plate-forme peut être formée sur n’importe quel système de stockage de données en analysant les journaux de requêtes.

Nous sommes compatibles avec les principaux services de données cloud tels que Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks et Postgres, ainsi qu’avec des formats de documents tels que Excel, PDF, PowerPoint, etc.

Contrairement aux outils traditionnels conçus principalement pour les analystes, notre interface conversationnelle permet aux responsables commerciaux d’obtenir des réponses directement, tandis que notre architecture multi-agents permet des requêtes complexes sur divers systèmes de données.

Vous avez souligné que WisdomAI évite les hallucinations en séparant la GenAI de la génération de réponses. Pouvez-vous expliquer comment votre système utilise la GenAI différemment – et pourquoi cela est important pour la confiance de l’entreprise ?

Notre modèle de contexte prêt à l’IA forme sur les données de l’organisation pour créer une compréhension universelle du contexte qui répond aux questions avec une grande précision sémantique tout en maintenant la confidentialité et la gouvernance des données. De plus, nous utilisons l’IA générative pour formuler des requêtes bien définies qui nous permettent d’extraire des données des différents systèmes, plutôt que de nourrir les données brutes dans les LLM. C’est crucial pour répondre aux préoccupations d’hallucination et de sécurité avec les LLM.

Vous avez forgé le terme « plate-forme d’informations de données agente ». Comment l’intelligence agente diffère-t-elle des outils d’analyse traditionnels ou même des assistants standard basés sur les LLM ?

Les piles de BI traditionnelles ralentissent la prise de décision car chaque question doit se frayer un chemin à travers des silos de données déconnectés et une équipe de relais de spécialistes. Lorsqu’un directeur des ventes et du marketing a besoin de savoir comment clôturer le trimestre, la réponse passe généralement par une demi-douzaine de mains – des analystes qui manipulent des extraits de CRM, des ingénieurs de données qui cousent des fichiers ensemble, et des concepteurs de tableaux de bord qui mettent à jour les rapports – transformant une simple requête en un projet de plusieurs jours.

Notre plate-forme brise ces silos et met la pleine profondeur des données à portée de main, de sorte que le directeur des ventes et du marketing peut creuser depuis les métriques de premier plan jusqu’au détail au niveau de la ligne en quelques secondes.

Pas d’attente dans la file d’attente des analystes, pas de tableaux de bord prédéfinis qui ne peuvent pas suivre les nouvelles questions – juste des informations de service auto avec des insights délivrés à la vitesse à laquelle l’entreprise se déplace.

Comment vous assurez-vous que WisdomAI s’adapte au vocabulaire de données unique et à la structure de chaque entreprise ? Quel rôle l’input humain joue-t-il dans l’affinage du Knowledge Fabric ?

Travailler avec les données là où et comme elles sont – c’est essentiellement le graal de l’intelligence d’affaires d’entreprise. Les systèmes traditionnels ne sont pas conçus pour gérer les données non structurées ou les « sales » données avec des fautes de frappe et des erreurs. Lorsque les informations existent dans diverses sources – bases de données, documents, données de télémétrie – les organisations luttent pour intégrer ces informations de manière cohérente.

Sans capacités pour gérer ces types de données diversifiés, le contexte précieux reste isolé dans des systèmes distincts. Notre plate-forme peut être formée sur n’importe quel système de stockage de données en analysant les journaux de requêtes, ce qui lui permet de s’adapter au vocabulaire de données unique et à la structure de chaque organisation.

Vous avez décrit le processus de développement de WisdomAI comme du « vibe coding » – la construction d’expériences de produit directement dans le code, puis l’itération à travers une utilisation dans le monde réel. Quels avantages cette approche vous a-t-elle donnés par rapport à la conception de produit traditionnelle ?

Le « vibe coding » est un changement significatif dans la façon dont les logiciels sont construits, où les développeurs utilisent les outils d’IA pour générer du code simplement en décrivant la fonctionnalité souhaitée en langage naturel. C’est comme un assistant intelligent qui fait ce que vous voulez que le logiciel fasse, et il écrit le code pour vous. Cela réduit considérablement les efforts manuels et le temps traditionnellement nécessaires pour la codification.

Pendant des années, la création de produits numériques a largement suivi un scénario familier : planifier soigneusement le produit et la conception UX, puis exécuter le développement, et itérer en fonction des commentaires. La logique était claire car investir dans la conception au préalable minimisait les réfections coûteuses pendant la phase de développement plus coûteuse et plus longue. Mais que se passe-t-il lorsque le coût et le temps pour exécuter ce développement diminuent considérablement ? Cette capacité renverse la séquence de développement traditionnelle. Soudain, les développeurs peuvent commencer à construire des logiciels fonctionnels sur la base d’une compréhension de haut niveau des exigences, même avant que les conceptions de produit et UX détaillées ne soient finalisées.

Avec la vitesse de la génération de code IA, l’effort impliqué dans la création de conceptions exhaustives au préalable peut, dans certains contextes, devenir relativement plus chronophage que l’obtention d’une version fonctionnelle de base du logiciel. Le nouveau paradigme dans le monde du « vibe coding » devient : exécuter (coder avec l’IA), puis adapter (concevoir et affiner).

Cette approche permet une validation incroyablement précoce des concepts de base par les utilisateurs. Imaginez obtenir des commentaires sur la fonctionnalité réelle d’une fonctionnalité avant d’investir lourdement dans des conceptions visuelles détaillées. Cela peut conduire à des conceptions plus centrées sur l’utilisateur, car le processus de conception est directement éclairé par la façon dont les utilisateurs interagissent avec un produit tangible.

Chez WisdomAI, nous adoptons activement la génération de code IA. Nous avons constaté que, en adoptant un développement initial rapide, nous pouvons tester rapidement les fonctionnalités de base et recueillir des commentaires précieux des utilisateurs tôt dans le processus, en direct sur le produit. Cela permet à notre équipe de conception de se concentrer ensuite sur l’affinage de l’expérience utilisateur et de la conception visuelle en fonction de l’utilisation dans le monde réel, conduisant ainsi à des produits plus efficaces et appréciés des utilisateurs, plus rapidement.

De la vente et du marketing à la fabrication et à la réussite client, WisdomAI vise un large éventail de cas d’utilisation commerciaux. Quels secteurs ont connu l’adoption la plus rapide – et quels cas d’utilisation vous ont surpris par leur impact ?

Nous avons vu des résultats transformateurs avec de nombreux clients. Pour une entreprise pétrolière et gazière du F500, ConocoPhillips, les ingénieurs de forage et les opérateurs utilisent maintenant notre plate-forme pour interroger directement des données de forage complexes en langage naturel. Avant WisdomAI, ces ingénieurs avaient besoin d’une aide technique pour même les questions de base sur le statut ou la performance du travail. Maintenant, ils peuvent accéder instantanément à ces informations tout en comparant simultanément avec les meilleures pratiques de leurs manuels de forage – le tout via la même interface conversationnelle. Ils ont évalué de nombreux fournisseurs d’IA pendant un processus de six mois, et notre solution a livré une amélioration de 50 % de la précision par rapport au concurrent le plus proche.

Chez une entreprise de cybersécurité à croissance rapide, Descope, WisdomAI est utilisé comme un analyste de données virtuel pour les ventes et la finance. Nous avons réduit le temps de création de rapports de 2-3 jours à seulement 2-3 heures – une diminution de 90 %. Cela a transformé leurs réunions de ventes hebdomadaires en séances de stratégie axées sur des informations exploitables. Comme le note leur directeur des ventes et du marketing, « Wisdom AI met les données à mes doigts. Cela démocratise vraiment les données, me donnant le pouvoir d’aller répondre aux questions et de passer à autre chose, plutôt que de définir ma question, d’attendre que quelqu’un construise la réponse, et de l’obtenir dans 5 jours. » Cette capacité à prendre des décisions fondées sur les données avec une vitesse sans précédent a été particulièrement cruciale pour une entreprise en croissance rapide sur le marché concurrentiel de la gestion des identités.

Un exemple pratique : Un directeur des ventes et du marketing demande : « Comment vais-je clôturer mon trimestre ? » Notre plate-forme offre immédiatement une liste d’accords en attente sur lesquels se concentrer, ainsi que des informations sur ce qui retarde chacun – comme des questions spécifiques que les clients attendent de voir résolues. Cela se produit avec cinq frappes au clavier au lieu de cinq spécialistes et de jours de retard.

De nombreuses entreprises aujourd’hui sont surchargées de tableaux de bord, de rapports et d’outils cloisonnés. Quels sont les malentendus les plus courants que les entreprises ont sur l’intelligence d’affaires aujourd’hui ?

Les organisations siègent sur des trésors d’informations mais luttent pour exploiter ces données pour une prise de décision rapide. Le défi ne consiste pas seulement à avoir des données, mais à travailler avec elles dans leur état naturel – qui inclut souvent des « sales » données non nettoyées des fautes de frappe ou des erreurs. Les entreprises investissent lourdement dans les infrastructures mais font face à des goulots d’étranglement avec des tableaux de bord rigides, une mauvaise hygiène des données et des informations cloisonnées. La plupart des entreprises ont besoin d’équipes spécialisées pour exécuter des rapports, créant des retards importants lorsque les dirigeants ont besoin de réponses rapidement. L’interface où les gens consomment des données est restée obsolète malgré les progrès des moteurs de données cloud et de la science des données.

Considérez-vous WisdomAI comme une augmentation ou un remplacement éventuel des outils BI existants comme Tableau ou Looker ? Comment vous intégrez-vous dans la pile de données d’entreprise plus large ?

Nous sommes compatibles avec les principaux services de données cloud tels que Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks et Postgres, ainsi qu’avec des formats de documents tels que Excel, PDF, PowerPoint, etc. Notre approche transforme l’interface où les gens consomment des données, qui est restée obsolète malgré les progrès des moteurs de données cloud et de la science des données.

En regardant vers l’avenir, où voyez-vous WisdomAI dans cinq ans – et comment voyez-vous le concept d’« intelligence agente » évoluer dans le paysage de l’entreprise ?

L’avenir de l’analyse est en train de passer des rapports conduits par des spécialistes à une intelligence de service auto accessible à tous. Les outils BI ont été autour pendant 20 ans, mais l’adoption n’a même pas atteint 20 % des employés de l’entreprise. Pendant ce temps, en seulement douze mois, 60 % des utilisateurs du lieu de travail ont adopté ChatGPT, beaucoup l’utilisant pour l’analyse de données. Cette différence dramatique montre le potentiel des interfaces conversationnelles pour augmenter l’adoption.

Nous assistons à un changement fondamental où tous les employés peuvent directement interroger les données sans compétences techniques. L’avenir combinerait la puissance de calcul de l’IA avec l’interaction humaine naturelle, permettant aux informations d’exploitation de trouver les utilisateurs de manière proactive plutôt que de les obliger à chercher à travers des tableaux de bord.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter WisdomAI.